Epizoda
Logistická regrese pro klasifikaci dat [část 16] | Strojové Učení pro začátečníky
with Bea Stollnitz
V tomto videu vás Bea Stollnitz, hlavní poradce pro cloud v Microsoftu, provede trénováním modelu logistické regrese pomocí dýňových dat, která jsme v předchozím videu vyčistili a transformovali.
Naučíte se:
- Rozdělení dat na vstupní funkce a popisky
- Jak vytvořit logistický regresní model a vytrénovat ho pomocí našich 🎃 dat
- Analýza předpovědí pomocí přesnosti, přesnosti, úplnosti a skóre F1
Připojte se k Bee, když rozkryje fascinující svět logistické regrese a dozvíte se, jak se dá využít při klasifikačních problémech. Toto video je ideální pro ty, kteří chtějí rozšířit své znalosti regresních technik a vylepšit sadu dovedností strojového učení.
Sledujte další video v této sérii, naučíte se jednu další metodu, která vám pomůže analyzovat kvalitu modelu: křivky ROC. Uvidíte se tam!
Chapters
- 00:00 - Úvod
- 00:16 - Poznámkový blok, který používáme
- 00:43 - Rozdělení dat na vstupní funkce a popisek
- 00:57 - Trénování/testování splot
- 01:08 – Vytvoření logistické regresní třídy pomocí SciKit Learn
- 01:30 - Analýza výsledků regrese
- 01:45 - Co je konfuzní matice?
- 02:35 – Výpočet přesnosti
- 02:52 - Přesnost, úplnost a skóre F1
- 03:55 - Průměr makra a vážený průměr
Doporučené zdroje informací
- Tento kurz vychází z bezplatného opensourcového 26-lekce ML pro začátečníky od Microsoftu .
- Poznámkový blok Jupyter, který se má s touto lekcí řídit, je k dispozici!
Propojit
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
V tomto videu vás Bea Stollnitz, hlavní poradce pro cloud v Microsoftu, provede trénováním modelu logistické regrese pomocí dýňových dat, která jsme v předchozím videu vyčistili a transformovali.
Naučíte se:
- Rozdělení dat na vstupní funkce a popisky
- Jak vytvořit logistický regresní model a vytrénovat ho pomocí našich 🎃 dat
- Analýza předpovědí pomocí přesnosti, přesnosti, úplnosti a skóre F1
Připojte se k Bee, když rozkryje fascinující svět logistické regrese a dozvíte se, jak se dá využít při klasifikačních problémech. Toto video je ideální pro ty, kteří chtějí rozšířit své znalosti regresních technik a vylepšit sadu dovedností strojového učení.
Sledujte další video v této sérii, naučíte se jednu další metodu, která vám pomůže analyzovat kvalitu modelu: křivky ROC. Uvidíte se tam!
Chapters
- 00:00 - Úvod
- 00:16 - Poznámkový blok, který používáme
- 00:43 - Rozdělení dat na vstupní funkce a popisek
- 00:57 - Trénování/testování splot
- 01:08 – Vytvoření logistické regresní třídy pomocí SciKit Learn
- 01:30 - Analýza výsledků regrese
- 01:45 - Co je konfuzní matice?
- 02:35 – Výpočet přesnosti
- 02:52 - Přesnost, úplnost a skóre F1
- 03:55 - Průměr makra a vážený průměr
Doporučené zdroje informací
- Tento kurz vychází z bezplatného opensourcového 26-lekce ML pro začátečníky od Microsoftu .
- Poznámkový blok Jupyter, který se má s touto lekcí řídit, je k dispozici!
Propojit
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
Chcete se podělit o svůj názor? Tady můžete odeslat problém.